Début

Covid-19 / Étude : comment une technique de machine learning peut prédire la mortalité (Lancet)

Paris - Publié le jeudi 24 septembre 2020 à 12 h 07 - n° 11510 Une équipe de recherche américaine du Mount Sinaï a mis au point un modèle simple et précis de prévision de la mortalité des patients atteints du Covid-19. Grâce à des algorithmes d’apprentissage automatique (machine learning) reposant sur 3 caractéristiques cliniques simples à recueillir, elle a pu classer avec précision les patients en 2 catégories : susceptibles de vivre ou susceptibles de mourir. S’il obtient une validation externe, ce modèle pourrait s’avérer utile en milieu clinique pour guider la prise en charge et le pronostic des patients atteints de cette maladie. Les résultats de cette étude* ont été publiés dans le numéro d’octobre 2020 du Lancet Digital HealthThe Lancet Digital HealthThe Lancet Digital Health.
© D.R.
© D.R.

Covid-19 : un pronostic très aléatoire

Des patients totalement asymptomatiques à ceux qui présentent des formes sévères et qui en meurent, le Covid-19 peut prendre des formes très différentes. Le pronostic reste très difficile à établir et, par conséquent, le tri d’un grand nombre de patients constitue un énorme défi. Des recherches sont donc menées pour identifier les facteurs les plus prédictifs en termes de pronostic. Une équipe de l'hôpital FochHopital Foch de Suresnes, associée à des chercheurs de l’université de Mons (Belgique), viennent par exemple de révéler des résultats mettant en évidence le fait que la perte d’odorat serait un facteur de bon pronostic.

Un algorithme reposant sur des données non biaisées

Des chercheurs américains du Mount Sinaï (New York) ont quant à eux adopté une autre stratégie : ils ont appliqué des techniques d’apprentissage automatique (machine learning) aux données cliniques d’une large cohorte de patients atteints de Covid-19 traités au Mount Sinai Health System à New York entre le 9 mars et le 6 avril 2020. Ensuite, pour prédire la mortalité de ces patients, ils ont conçu un algorithme basé sur 3 caractéristiques cliniques :

  • l'âge du patient ;
  • la saturation minimale en oxygène au cours de la consultation ;
  • le type de consultation réalisée (hospitalisation ou consultation externe et téléconsultation).

Le modèle de prévision a, par la suite, été appliqué à des ensembles de données de patients rétrospectifs et prospectifs.

Les résultats de cette étude ont été publiés dans le numéro d’octobre 2020 du Lancet Digital Health.

Résultats : 3 facteurs très prédictifs

  • 61 % des patients décédés étaient des hommes.
  • L’hypertension et le diabète étaient les comorbidités les plus courantes.
  • Les patients décédés avaient en moyenne 73 ans, contre 54 pour les autres.
  • Les patients vivants étaient plus susceptibles d’avoir eu leur première consultation à l’hôpital qu’en consultation externe ou dans un environnement de télémédecine.
  • Les malades décédés avaient une saturation en oxygène plus faible lors de leur première consultation et leur saturation minimale en oxygène pendant la durée de leur consultation était également plus faible.

Ce travail a permis, dans un premier temps, d’identifier les 3 caractéristiques les plus pertinentes pour prédire la mortalité. La saisie dans un algorithme automatisable de ces 3 paramètres cliniques, très accessibles pour un patient (âge, saturation minimale en oxygène et type de rencontre avec le patient), a permis de classer avec précision les patients en 2 catégories : susceptibles de vivre ou susceptibles de mourir.

Un outil à utiliser tout au long du parcours hospitalier

Les chercheurs à l’origine de cette étude estiment que ce modèle pourrait constituer un « signe vital » supplémentaire, évalué régulièrement au cours du séjour du patient à l’hôpital, qui pourrait être intégré dans le flux de soins cliniques d’un patient Covid-19. Les médecins pourraient utiliser les résultats du modèle de prédiction tout au long du parcours hospitalier des patients Covid-19 pour repérer les personnes présentant un risque élevé de décès afin de pouvoir rapidement concentrer le traitement et l’attention sur ces personnes pour prévenir leur mortalité.

Une validation externe de ce modèle de prédiction dans d’autres populations est cependant nécessaire.

The Lancet Digital Health

Fiche n° 3369, créée le 01/10/19 à 12:12 - MàJ le 01/10/19 à 12:12

The Lancet Digital Health

- Revue mensuelle créée en 2019
- En open access
- Appartient au groupe The Lancet, créé en 1823
- Couvre tous les aspects de la santé digitale « dans le but de diffuser des recherches rigoureuses pour faire progresser la pratique clinique et promouvoir un changement véritablement planétaire »
- Rédacteur en chef : Rupa Sakar


  • Catégorie : Professionnels de santé


* Clinical features of COVID-19 mortality : development and validation of a clinical prediction model

adaw AS, Li Y-C, Bose S, Iyengar R, Bunyavanich S, Pandey G.

Lancet Digital Health 2020 ; 2 : e516-25, doi : 10.1016/S2589-7500(20)30217-X

Fin
loader mask
1